Nuevo software para “leer” las redes genéticas ocultas del cáncer

RNACOREX, evaluado en 13 tipos de cáncer, permite identificar redes genéticas asociadas al desarrollo tumoral y clasificar a los pacientes según su probabilidad de supervivencia.

Se trata de un software de código abierto desarrollado por unos investigadores del Instituto de Ciencia de los Datos e Inteligencia Artificial (DATAI), adscrito a la Universidad de Navarra en España, en colaboración con miembros del centro oncológico de la Clínica Universidad de Navarra.

RNACOREX analiza miles de moléculas de forma simultánea para detectar interacciones clave que  a menudo pasan desapercibidas con los métodos analíticos convencionales. La herramienta proporciona a los investigadores un “mapa” interpretable que mejora la comprensión molecular de los tumores y abre nuevas vías para entender los mecanismos que impulsan la progresión tumoral.

Descifrando la estructura genética oculta del cáncer

Dentro de las células, interactúan varios tipos de moléculas entre las que están los microARN (miRNA) y el ARN mensajero (ARNm), formando una compleja red de regulación celular. Cuando estas redes se alteran, pueden aparecer enfermedades como el cáncer.

“Comprender cómo se organizan estas redes es clave para detectar, estudiar y clasificar distintos tipos de tumores. Sin embargo, identificarlas de manera fiable supone un reto debido a la gran cantidad de datos disponibles, a la presencia de numerosas señales falsas y a la falta de herramientas accesibles y precisas para distinguir qué interacciones moleculares están realmente asociadas a cada enfermedad”, explica Rubén Armañanzas, del Laboratorio de Medicina Digital de DATAI y uno de los autores principales del estudio.

En este contexto, RNACOREX combina información procedente de bases de datos internacionales con el análisis de datos reales de expresión génica, generando un ranking de interacciones fiables entre miARN y ARNm según su relevancia biológica. A partir de este análisis, construye redes de regulación con creciente orden de complejidad que pueden usarse como modelos probabilísticos.

Los autores de la investigación. De izquierda a derecha: José González, Rubén Armañanzas y Aitor Oviedo. (Foto: Manuel Castells)

Mejor interpretación y predicción

El equipo evaluó RNACOREX en trece tipos de cáncer —entre ellos, mama, colon, pulmón, estómago, melanoma, cabeza y cuello— utilizando datos del consorcio internacional The Cancer Genome Atlas (TCGA). “Los análisis mostraron que la herramienta es capaz de predecir la probabilidad de supervivencia de los pacientes con un rendimiento comparable o superior al de modelos avanzados de inteligencia artificial, y además ofrece explicaciones claras sobre qué interacciones moleculares sustentan cada predicción”, señala Aitor Oviedo-Madrid, investigador del Laboratorio de Medicina Digital de DATAI, primer autor del trabajo.

RNACOREX no solo identifica redes reguladoras asociadas a la evolución clínica, sino que también revela patrones compartidos entre distintos tumores y destaca moléculas de especial interés biomédico. Estas observaciones permiten generar nuevas hipótesis sobre los mecanismos que regulan el crecimiento de los tumores y aportan pistas valiosas para estudiar futuras dianas diagnósticas o terapéuticas. Según Oviedo-Madrid, “nuestra herramienta nos permite contar con un ‘mapa’ molecular fiable que facilita priorizar nuevas dianas biológicas y orientar experimentos que aceleren la investigación en cáncer”.

Una herramienta abierta en evolución

RNACOREX es un programa de código abierto disponible en GitHub y también en PyP (Python Package Index). Además, incluye una función de descarga automática de todas las bases de datos necesarias, lo que facilita su adopción en laboratorios y centros de investigación.

“En un momento en el que la inteligencia artificial aplicada a datos genómicos avanza rápidamente, RNACOREX se posiciona como una solución explicable, fácil de interpretar, y alternativa a los modelos de ‘caja negra’, facilitando la integración de datos ómicos en la práctica biomédica”, señala Armañanzas.

El estudio se titula “RNACOREX - RNA coregulatory network explorer and classifier”. Y se ha publicado en la revista académica PLOS Computational Biology. (Fuente: Universidad de Navarra)